题目内容
（请给出正确答案）
[单选题]
下列关于神经网络的说法：①增加神经网络层数，可能会增加测试数据集的分类错误率；②减少神经网络层数，总是能减小测试数据集的分类错误率；③增加神经网络层数，总是能减小训练数据集的分类错误率，正确的是（）。
A.①
B.①③
C.①②
D.②
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.①
B.①③
C.①②
D.②
如果结果不匹配，请 联系老师 获取答案
更多“下列关于神经网络的说法：①增加神经网络层数，可能会增加测试数…”相关的问题
A.隐藏层层数增加，模型能力增加
B.Dropout的比例增加，模型能力增加
C.学习率增加，模型能力增加
D.都不正确
A.增加网络层数，可能会增加测试集分类错误率
B.增加网络层数，一定会增加训练集分类错误率
C.减少网络层数，可能会减少测试集分类错误率
D.减少网络层数，一定会减少训练集分类错误率
A.神经网络的工作原理与生物体内的神经元是完全一样的
B.训练神经网络的实质是对复杂函数求参数最优解的过程
C.增加神经网络的层数和增加每层的神经元个数的效果是一样的
D.神经网络只能进行二分类，不能进行更多种类的分类了
A.一种竞争学习型的无监督神经网络
B.将高维输入数据映射到低维空间，保持输入数据在高维空间的拓扑结构
C.SOM寻优目标为每个输出神经元找到合适的权重
D.输出层神经元以矩阵方式排列在二维空间
A.CNN中的全连接层常用softmax作为激活函数。
B.CNN中的池化层用于降低特征图维数，以避免过拟合。
C.CNN由卷积层、池化层和全连接层组成，常用于处理与图像有关的问题。
D.由于卷积核的大小一般是3*3或更大，因此卷积层得到的特征图像一定比原图像小。
A.神经网络对训练数据中的噪声非常鲁棒
B.可以处理冗余特征
C.训练ANN是一个很耗时的过程
D.至少含有一个隐藏层的多层神经网络
下列关于RNN、LSTM、GRU说法正确的是（）。
A.RNN引入了循环的概念
B.LSTM可以防止梯度消失或者爆炸
C.GRU是LSTM的变体
D.RNN、LSTM、GRU是同一神经网络的不同说法，没有区别
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征
D.SVM算法中使用高斯核/RBF核代替线性核
